Uedu 優學院教師工作坊 · Session 6 · 系列最終場
張家凱 (Chia-Kai Chang)
通識教育中心 助理教授 · 教育組學實驗室 Educational Omics Lab
2026.05.21（四）12:00–13:00 · 教學發展中心
60 分鐘 · 學期回顧 + 五個新方向 + 下學期 commitment
平台入門
建立帳號、控制台、課程設定
蘇格拉底對話
System Prompt 設計實作
Quiz 與 AI 自動出題
+ 題目分析
語音／TTS／多語系
多模態互動
學習分析儀表板
Bloom + 前後測
收束 + 下學期 5 個新方向
前 5 場讓你「能用」這個平台，今天讓你看到「下學期可以做更多」。
系列工作坊最常見的結局是溫情收束，學期一結束，老師就忘了。
「Uedu 是什麼」變模糊，下學期使用率掉下來。
把今天當成 下學期 115-1 的開場。
展示五個尚未被一般老師看到的模組，每個都對應一種教學需求。
請你今天決定一件事：下學期想試哪個？
數字實際上會在現場以後台儀表板呈現，這邊只是示意框架。
per-channel RAG — 讓 AI 助教只引用你給的教材
老師最有感的功能 · 已上線傳統做法：把整本教材塞進 system prompt → 太長、token 爆掉、慢且貴。
Uedu 的解法：RAG（Retrieval-Augmented Generation）—— 上傳教材一次，AI 每次只取最相關的 3 個片段，引用回答。
需求彈性衡量的是「價格變動 1% 時，需求量會變動幾%」…
所得彈性則是衡量「所得變動 1% 時，需求量會變動幾%」…
兩者最大的差異在於「自變數」——前者是價格，後者是所得…
AI 的回答會引用你教材裡的原文與段落，學生不會被導向其他來源。
上傳整學期講義、課本掃描檔、補充閱讀。
適合：內容大、學生反覆問同一段。
上傳法規條文、醫學指引、產業標準。
適合：AI 容易答錯且需要嚴格引用來源的領域。
上傳中／英／日多版本教材，AI 自動選用相對應語言段落。
適合：外語課程、跨國合作課。
支援格式：PDF（含掃描檔 OCR）／DOCX／PPTX／TXT，單檔上限 50 MB。
處理時間：50 頁 PDF 約 1-3 分鐘背景處理完成。
學生端：不需任何設定，學生與 AI 對話時自動啟用，無感體驗。
觀察工具：後台可看「哪些段落被檢索次數最多」——反映學生卡在哪。
英語教學模組 · 寫作 / 口說 / 學術寫作三軌
外語系 · 語言中心 · 通識英文最有感
▸ 寫作評量沒有「分項評分（grammar / vocab / coherence）」
▸ 沒有口說的逐字稿 + 發音分析
▸ 沒有「練習」「評量」雙軌制（學生不知道哪些被計分）
▸ 老師缺乏針對英語教學的儀表板
▸ 多面向 rubric 自動評分 + 局部修改建議
▸ Whisper 逐字稿 + 詞彙複雜度／流暢度量化
▸ 練習（學生主動、不計分）vs 評量（老師指派、計分）
▸ Educational Omics × Linguomics 維度儀表板
學生提交段落／作文 → AI 提供局部修改建議 + rubric 評分。
適合：通識英文、英語寫作、學期報告英文版。
學生錄音 → Whisper 逐字稿 → 詞彙／流暢度／發音分析。
適合：口語表達課、簡報英文、語言中心。
專為論文、研究計畫寫作設計：結構檢查、引文格式、學術詞庫。
適合：研究所英文、學術英文、博士先修。
The reason why students should learn English is not because it is useful for finding job, but it can open new world.
修改建議：
▸ "because" → 此處可考慮用 "merely that"，更精準對應 "not...but..." 句構
▸ "finding job" → "finding a job"
▸ "open new world" → "open up a new world"
整體： 4.05 / 5
用 GPT-5.4-mini + reasoning， 品質優先於速度
教師端可一鍵覆核、調整評分、追蹤班級整體 rubric 各項分布。
三條路線：寫作共寫（A）／口說研究（B）／學術寫作（C-b）。
建立流程：建立 assignment → 設定 rubric → 學生提交 → AI 評分 → 老師覆核。
計分模式：練習（無紀錄）/ 評量（入儀表板與 Uedu Lab 匯出）。
側邊欄專區：Educational Omics × Linguomics 整合學期資料。
uedu.tw/lingua
多步研究循環 · 為學生而設計的「能查、能推、能寫」
研究方法課 / 專題課 / 期末報告單次提問 → 單次回答
AI 用「現有知識」立刻回
學生看不到 AI 是怎麼想的
無法處理「需要查資料 + 比對 + 整合」的題目
單次提問 → 多步研究循環（ReAct）
AI 自己決定：要查什麼 / 用哪個工具 / 何時收斂
每一步學生都看得到（思考過程透明化）
適合期末報告、文獻回顧、跨來源整合題
每步學生都看得到，可以隨時打斷、檢視中間結果。
單次研究最多 30 個 ReAct 循環，超過自動收斂。
單次研究最多 10 分鐘，避免無限執行。
單次 token 上限，防止失控成本。
每位學生每日 20 次 Deep Research 配額。
啟用方式：任何使用者建立自己的 GPT 頻道時，勾選「啟用 Deep Research」。
學生用法：在 chat 介面輸入「深入研究 ⋯⋯」，AI 進入多步研究模式並回報每一步。
老師用法：適合教研究方法、要求學生做文獻回顧、期末專題。
工具池：共用 ClassroomGPT 的 27 個 function tool（含 advisor / paper 搜尋、執行程式、繪圖）。
RIASEC / Big Five / OEJTS · 三大開源量表
通識 / 導師輔導 / 生涯規劃Uedu 把三套國際公認的開源心理量表整合進平台。 學生在 5-10 分鐘內就能完成一個量表，立即看到自己的特質報告。 老師可在 Uedu Lab 匯出班級結果（已去識別化）作為導生輔導或通識課討論素材。
測什麼：職業興趣傾向
結果：前 3 高維度組合代碼（如 RIA）
R 實作 I 研究 A 藝術 S 社交 E 企業 C 常規
測什麼：人格五大因素
結果：五維度百分位，無單一代碼
O 開放 C 嚴謹 E 外向 A 親和 N 神經質
測什麼：MBTI 16 型人格
結果：4 字母類型代碼（如 ENFJ）
E-I S-N T-F J-P
學期初要求導生完成三量表，初次導生會談時討論結果。
幫導師：不必從零開始認識學生。
把三量表作為課程素材，討論「測驗的優劣 / 自我認識 / 職業選擇」。
幫課程：有具體素材，不是空談。
看「這班 60 人哪幾型最多」——設計分組討論時可參考。
幫教學：異質分組更有依據。
學生路徑：側邊欄「學習特質探索」→ 選量表 → 作答 → 看結果報告。
三量表：各自獨立，學生可只做其中一個或全部。
綜合報告：/profiling/report
匯整三量表結果，可列印作為導生會談備忘。
老師端：本身不開放即時查看個別學生，需透過 Uedu Lab 申請去識別化匯出。
CWA + MoEnv 整合 · Environomics 維度
研究感較重 · 對地理 / 公衛 / 環科教師有感Educational Omics 框架的第四維度：學生在什麼樣的環境下學習—— 溫度、濕度、空氣品質、噪音——會影響認知表現與情緒。 這是過去學習分析很少關注的維度，但有大量證據顯示「環境暴露 → 學習成效」是真實的因果鏈。
不是直覺，是過去 10 年累積的實證
中國 25,485 人縱貫研究：PM2.5 累積暴露顯著降低語文與數學測驗分數， 且對男性、長者、低教育者衝擊更大。
Zhang, Chen & Zhang (2018) PNAS, 115(37), 9193–9197.
以色列高中會考自然實驗：考試當天 PM2.5 增加 10 μg/m³， 考生分數顯著下降、進入頂尖大學機率降低。
Ebenstein, Lavy & Roth (2016) AEJ: Applied Economics, 8(4), 36–65.
美國 10 million 名 PSAT 考生：學年中每多 1°F 的炎熱日， 學習成果下降約 1%；冷氣可抵銷大部分效應。
Park, Goodman, Hurwitz & Smith (2020) AEJ: Economic Policy, 12(2), 306–339.
受控實驗：辦公室 CO₂ 從 550 ppm 升到 1,400 ppm， 9 項認知功能分數平均降 50%，含策略思考、危機處理。
Allen, MacNaughton et al. (2016) Environmental Health Perspectives, 124(6), 805–812.
opendata.cwa.gov.tw
data.moenv.gov.tw
Environomics 已整合進 ClassroomGPT 與 AIDA 共用的 function tool 註冊表（chat_tools.py），
AI 助教在學生詢問環境相關問題時會主動呼叫。
get_school_environment
依 IDW 加權該校 top-3 測站，回傳「我們學校今天的環境狀況」。
get_county_environment
單一縣市的氣象 + 空品時序資料，適合分析趨勢。
get_taiwan_environment_ranking
AQI / PM2.5 / 溫度等指標的縣市排名，適合社會科主題討論。
公開頁面：/environment 提供 Uedu 對環境資料的整合呈現（衍生 insight）。
AI 對話：學生在 ClassroomGPT / AIDA 詢問環境相關問題，AI 自動呼叫對應工具。
研究用途：有興趣做「環境 × 學習成效」研究的老師可申請 Uedu Lab 匯出。
個人位置：學生可選擇「分享我的位置」（限 18+），讓 AI 給出在地化資訊。
| 模組 | 解決什麼問題 | 適合學科 | 入口 |
|---|---|---|---|
| 頻道知識庫 | AI 只用我的教材回答 | 所有學科 | 教師控制台 → 教材庫 |
| Uedu Lingua | 英語寫作 / 口說評量自動化 | 語言中心 / 外語系 / 通識英文 | /lingua |
| Deep Research | 學生做多步研究、文獻整合 | 研究方法 / 專題 / 期末報告 | /mygpts/create |
| 學習特質探索 | 學生自我認識 / 導生輔導 | 通識 / 導師時間 / 生涯課 | /profiling |
| 環境資料 | 引入環境變數作教學素材 | 地理 / 公衛 / 環科 / 社會 | /environment |
Educational Omics 框架 · 雨傘 IRB
獨立於模組之外 · 對研究感興趣的老師Uedu 用六個可觀測維度刻畫學習者狀態 — 六維皆已在平台落地，今日工作坊聚焦其中四維
測什麼：對話軌跡、Bloom 認知層次、推理歷程
本工作坊：Part 1 RAG · Part 3 Deep Research
測什麼：語言複雜度、寫作/口說評量、語意分析
本工作坊：Part 2 Uedu Lingua
測什麼：HRV、睡眠、壓力、EEG、fNIRS
Uedu 實作：Uedu Fit（Garmin 健康）· Uedu Brain（自製感測）
測什麼：討論區互動、協作學習、同儕網絡
Uedu 實作：校版/課程論壇 · 共編文件
測什麼：溫濕度、空氣品質、噪音、CO₂
本工作坊：Part 5 環境資料
測什麼：同意書、隱私、AI 偏誤、學習者自主性
本工作坊：Part 4 倫理界線（雛形）· AI Literacy D2/D3
為什麼一個學期能推 5 個新模組，又同時符合研究倫理規範
2026-04-10 通過。範圍寫廣 — 涵蓋 Uedu 平台所有註冊登入使用者的教學與研究資料： 六維 EO 全部入傘。
新模組（Lingua / Environomics / Profiling / Deep Research⋯）只要落在母案範圍， 不必每次重新申請 IRB，累積一輪後一次送修訂。
線下紙本問卷、外部 Google Form 找校外人、跨機構訪談 — 母案沒寫的活動。 想做問卷？走 Uedu 站內問卷系統最省事。
研究敏捷性：新模組不必等 3 個月 IRB 排隊
倫理一致性：所有功能共用同一套同意書／隱私規範
跨組學合併分析法源清楚
請為自己選一個（或多個）方向 —— 不必交回、不必回覆，就當作自己的提醒。
講義最後一頁附同款的留白備忘，可印出來放在桌邊。
這學期用 Uedu 教學，有什麼意外的發現？學生反應如何？
想做什麼但平台還沒有？跨課程的功能？跨學期的功能？
你有沒有同事、校外老師也想試？Uedu 已經支援子網域。
從 3/12 到今天 5/21，你撥出了 6 個午餐時段。
平台會繼續長大，等你下學期繼續用、繼續挑戰它。